哈尔滨城市不透水面时空变化对融雪径流的影响

高俣晗，刘 硕，于 益，张美琦，罗 爻

(哈尔滨师范大学 地理科学学院，黑龙江 哈尔滨 150025)

1 引言

不透水面的增长与城市发展战略目标、城市总体规划等驱动因素密切相关[1～3]，城市化进程不断加速使融雪径流携带污染控制汇入地表水体，对地表水环境质量也产生影响[4～6]。随着流域不透水性增加，降雨径流量和峰值不断增大，对地表径流量影响显著[7]。SWMM模型适用于传统模型难以解决的城市排水管道与不同类型下垫面情况带来的复杂问题[8，9]。

哈尔滨市进入融雪期时，降雪频繁且融雪时间集中，整个冬季的积雪在1～2个月内全部融化，除部分蒸发外皆形成融雪径流[10，11]。因此，了解城市冬季融雪径流的流量变化过程及向水体的输出量，有助于正确预测及处理径流有害影响，提高水资源利用效率[12]。本文通过遥感影像与水文模型的变化模拟分析，可以有效地实现不透水面变化对融雪径流的响应，适用于北方城市融雪径流的模拟研究，为城市规划与融雪径流的控制提供参考。

2 研究区概况

哈尔滨市位于黑龙江省西南部，冬季漫长寒冷，年平均气温约3.4 ℃，总面积53100 km2，年降水量500 mm。秋冬季节降水波动幅度最大，夏季最小。本文所选研究区范围为哈尔滨市中心城区范围内的6个行政辖区，研究区位置见图1。

图1 研究区位

3 数据与方法

3.1 数据来源

选取1999、2001、2004、2008、2013、2017年6个年份的Landsat5TM、Landsat8OLI影像，遥感影像数据和GDEM30M分辨率数字高程数据由地理空间数据云下载。DEM数字高程数据用于绘制汇水区、提取坡度和宽度等参数。气象数据为哈尔滨机场气象站2017年11月1日至2018年4月30日的降雪及温度数据。

3.2 数据处理

3.2.1 不透水面的提取

先对各年份卫星影像采用监督分类中的向量机分类方法，将研究区分为绿地、居民地、水体三类，根据结果进行目视判读，将分类错误处进行修改。

3.2.2 汇水区的概化

运用GDEMDEM30M分辨率数字高程数据和哈尔滨河流排水管线分布情况划分汇水区，利用ArcHydro数据模型行洼地填充、确定水流方向和计算汇流累积量，将汇流累积量定义河网结构，利用得出的河网数据和水流方向提取河流弧段。使用CatchmentPolygonProcessing工具得到矢量化的汇水区、河流线和汇水出水口。每个区域排水口设定为最近排水系统节点、河道或排水口。由于本文研究区面积较大，故仅依据主要流域地势及主管道分布进行概化最终将研究区划定出26个子汇水区，19段排水管，19个排水节点，6个排水口。

3.3 融雪径流量的计算

融雪径流量计算选用暴雨洪水管理模型，根据2017年冬季降雪变化构建融雪模型，分为产汇流两部分，将降雪过程以时间序列的形式输入至模型，模拟2017年11月1日至2018年4月30日连续降雪时间序列下的冬季融雪过程。模型参数率定与验证参照以往SWMM模拟经验，用以下公式进行综合评估，Nash-Sutcliffe效率系数越接近1说明可信度越高，系数大于0.7时，表示与实际吻合程度较好。

(1)

将模拟后径流水位与实测水位值根据公式进行吻合程度验证，得到Nash-Sutcliffe效率系数值为0.86，模型变化基本符合真实融雪产汇流过程。

4 结果分析

4.1 哈尔滨市流域不透水面时空变化规律分析

利用EVNI进行监督分类，结果表明，哈尔滨市主城区不透水面主要分布在南岗区的北部、道里区的东部、道外区的西部、香坊区的西北部、和平房区的北部，1999～2017年城市不透水面面积呈递增趋势，前后两个时期的不透水面积大幅增加了266.49 km2，绿地减少363.52 km2，水体面积增加97.2 km2。研究区总面积2273.3934 km2，其中1999、2001、2004、2008、2013、2017年的不透水面占比分别为13.37%、18.28%、20.06%、22%、23.47%、25.09%(图2)。结果显示1999～2001的不透水面扩大速率最快。在26个汇水区中，每个汇水区1999～2017年不透水面平均增长11.33 km2,不透水率平均增加10.25%，S3、S4不透水面增长面积最多，分别增长29.8 km2和29 km2，S15的不渗透率变化最大，由1999年的41.37%扩张到2017年的70.54%，其次是S26,由10.3%扩张到38.9%。不渗透率最高的汇水区分别是S7、S9、S10和S13，分别从89.73%、88.58%、90.16%、89.52%扩张为94.85%、93.54%、94.16%、96.35%，而这四个区均位于繁华的市中心。

图2 研究区不透水面变化

4.2 融雪径流时空变化规律分析

4.2.1 年际径流量变化

哈尔滨2017年降雪量为48.6 mm，研究区面积2273.3934 km2，利用SWMM分别模拟了1999、2001、2004、2008、2013、2017年6个年份的春季融雪径流，其中6个模型所设置的参数中，除不渗透率改变，降雪量、温度等参数均以2017年为基准年，故能准确观察出不渗透率的变化对城市融雪径流量的影响。结果表明，1999、2001、2004、2008、2013、2017年模拟的地表融雪径流量分别为40623.33 m3、56494.1 m3、62681.4 m3、68898.95 m3、73770.75 m3、79107.76 m3，地表径流逐年增加，同1999年相比，2017年径流量增加了94%。

4.2.2 各汇水区融雪径流量时空变化

由SWMM模拟结果得出各汇水区在融雪期间的径流量后，将径流产出量进行以下分级：0～500 m3为F1、500～1000 m3为F2、1000～1500 m3为F3、1500～2500 m3为F4、2500～3500 m3为F5、3500～4500 m3为F6、4500～5500 m3为F7、5500～7500 m3为F8、7500～9500 m3为F9，1999年26个汇水区平均融雪径流量1562.43 m3，其中14个汇水区超过平均值，S15总体产流量均为最大，由1999年的F8转为2017年的F9。S26变化最快，变化阶段分别为F4、F5、F6、F8。融雪径流量最小的是S19,六次模拟中结果均为F1,其次是S20,结果均为F2。2001年平均径流量2172.85 m3，2004、2008、2013、2017年平均产流量分别为2410.82 m3、2649.96 m3、2837.33 m3、3042.61 m3，并呈现出明显的增长趋势。

4.3 不透水面扩张与径流量相关性分析

4.3.1 各汇水区不透水面积与融雪径流量增长速率变化分析

将研究的18年中每隔9年分为一个阶段，1999～2008为第一阶段，2008～2017为第二阶段，分别将每个汇水区的不透水面面积增长速率与融雪径流量增长速率作比较，可知在第一阶段中增长速度最快的汇水区分别是S26、S15、S2和S17,且也是增长量最大的汇水区。同时S26也是第一阶段增长速率最快达到69.5%，在第二阶段速率下降到13%，在第一阶段不透水面积增长了23.43 km2，第二阶段增长了5.24 km2。S15位于香坊区中部，主要下设10个乡镇街道，在第一阶段不透水面增长22 km2，径流量增加了3004 m3，主要由于新香坊街道、幸福镇、成高子镇的建设与扩张，在第二阶段增长变缓慢。S2主要包含道里区的榆树镇和新发镇在第一阶段1999～2001年间各乡镇迅速向外扩张，往后的增量与趋势都呈现减缓趋势。

4.3.2 不透水面扩张与融雪径流量相关性分析

使用6个年份中哈尔滨市区26个汇水区的不透水面积和融雪径流量，通过Pearson相关系数检验各汇水区内二者的相关性，此方法用以反映变量之间相关关系密切程度的统计指标，相关系数越接近于1，相关度越强。各个研究年份的相关系数分别为0.989、0.99、0.985、0.985、0.982和0.982，相关系数均大于0.98，且p值均通过0.01显著性检验，二者在本文研究区内均表现为显著正相关。

5 结论与讨论

(1)从1999～2017年，哈尔滨市区的土地利用类型发生了明显的变化，城市用地从1999年的13.37%大幅增加到2017年的25.59%，总体呈现由中心向外扩张的趋势，这可能是由于人口、经济、社会压力造成了对额外建筑地、居民地所产成的高需求，土地覆被乡镇城市转变。

(2)根据2017年的实测水文数据，运用SWMM模型进行了模拟，其中不渗透率是影响融雪径流最敏感的参数，该模型能较好地反映研究区春季融雪产汇流过程。1999年和2017年的年径流量分别为40623.33 m3和79107.76 m3，将模拟结果分为9个等级，26个汇水区完全呈现上升趋势，其中S26增长速度最快，S15总体融雪径流量均最大。

(3)本研究中哈尔滨市不透水面面积与融雪径流量呈正相关，且相关系数极高，本次研究哈尔滨市春季融雪径流量的明显增加主要是因为城市不透水面的扩张，城市土地与耕地、未利用地结构的变化，二者在1999～2008年间增长均十分迅速，在2008～2017年增长趋势变缓。